الشبكات العصبية العميقة قادرة على تعلم تمثيلات قوية من كميات كبيرة من البيانات الإدخالية المصنفة، ومع ذلك فإنها لا تستطيع دائمًا التعميم بشكل جيد في حالة تغير توزيعات الإدخال. تم اقتراح خوارزميات التكيف بين المجالات لتعويض الانخفاض في الأداء الناجم عن تحول المجال. في هذا البحث، نتناول الحالة التي تكون فيها البيانات المستهدفة غير مصنفة، مما يتطلب التكيف غير المنظور. يعتبر CORAL طريقة "سهولة محبط" للتكيف بين المجالات غير المنظور التي تقوم بمحاذاة الإحصائيات من الدرجة الثانية لتوزيعات المصدر والهدف باستخدام تحويل خطي. هنا، نوسع نطاق CORAL لتعلم تحويل غير خطي يحاذي ارتباطات تنشيط الطبقات في الشبكات العصبية العميقة (Deep CORAL). أظهرت التجارب على مجموعات بيانات مقاييسية قياسية أداءً رائدًا في مجاله.